Toon de sessies

Kinderen (4-8 jaar) besteden minstens anderhalf uur per dag aan digitale media. Ouders en experten maken zich zorgen hierover. Deze studie onderzoekt daarom de impact van digitale mediagebruik in de klas en thuis op de sociale ontwikkeling van kinderen, met focus op sociale interacties die zij kunnen faciliteren. We exploreren (1) ervaringen met sociale interacties via digitale media in de klas en thuis, (2) kansen om sociale vaardigheden te oefenen, (3) rol van sleutelpersonen hierin, (4) motivatie om digitale media sociaal te gebruiken. Semigestructureerde interviews zijn afgenomen met 28 6-7-jarigen. Resultaten tonen dat kinderen thuis met digitale media zowel face-to-face als online sociale interacties hebben en hierbij verschillende emoties ervaren. Hierin liggen kansen voor ontwikkeling van sociale vaardigheden, zoals emotieregulatie. In de klas gebruiken 6-7-jarigen weinig digitale media. De bevindingen bieden waardevolle inzichten voor ouders en leraren om gezond mediagebruik en sociale interacties in de kinderjaren te bevorderen.

• Inleiding

Ouders en experten, onder wie leraren, maken zich zorgen over de impact van schermtijd op de ontwikkeling van kinderen (Achimastos, 2024; DPG Media, 2024; Van Arendonk, 2024). Digitale media zijn echter een integraal onderdeel van het leven van kinderen, met zowel educatieve als recreatieve activiteiten. Schermtijd van kinderen (4-8 jaar) bedraagt minstens anderhalf uur per dag (Huber et al., 2018; Nikken & Tuijnman, 2024). De rol van digitale media in de sociale ontwikkeling van kinderen is relatief onbekend. Deze studie verkent daarom de sociale interacties die 6-7-jarigen ervaren bij digitale mediagebruik in de klas en thuis, met aandacht voor motivatie en mogelijkheden om sociale vaardigheden te ontwikkelen.

• Theorie

Het cross-contextueel medialandschap (Van Deursen & Helsper, 2021) wordt gebruikt om het mediarepertoire van kinderen in beeld te brengen. Medialandschap omvat het volledige mediaspeelveld waarin iemand wordt blootgesteld (Kaul, 2012); mediarepertoire is wat iemand effectief gebruikt.

Sociaal kapitaaltheorie (Coleman, 1988) wordt gebruikt om het sociale netwerk van kinderen te portretteren. Het sociale competentie-model (Junge et al., 2020) beschrijft sociale vaardigheden, zoals communicatie en emotieregulatie, die de basis vormen voor goede sociale ontwikkeling en gebruiken we om deze vaardigheden in kaart te brengen. Zelfdeterminatietheorie (Ryan & Deci, 2000) hanteren we om motivatie van kinderen voor digitale mediagebruik in een sociale context te onderzoeken.

• Onderzoeksvragen

*Hoe ziet het digitale mediarepertoire van 6-7-jarigen eruit?

*Wat is de motivatie van 6-7-jarigen om digitale media te gebruiken in een sociale context?

*Hoe ervaren 6-7-jarigen sociale interacties via digitale mediagebruik?

*Welke rol spelen sleutelpersonen, zoals leeftijdgenoten, ouders en leerkrachten in de sociale ontwikkeling van 6-7-jarigen via digitale media?

*Welke kansen hebben 6-7-jarigen om sociale vaardigheden te oefenen tijdens digitale mediagebruik?

• Methodologie

De onderzoeksvragen worden beantwoord middels semigestructureerde interviews met 28 kinderen van 6-7 jaar. Via thematische analyse, gebaseerd op genoemde theoretische kaders, zijn patronen geïdentificeerd met betrekking tot sociale aspecten van digitaal mediagebruik.

• Resultaten

Eerste resultaten laten zien dat kinderen thuis voornamelijk tablets, gameconsoles, en televisie gebruiken. Deze gebruiken ze vooral om te gamen en filmpjes te kijken. Kinderen doen dit alleen, maar ook met anderen, zoals brussen, vriendjes en (groot)ouders. Interacties gebeuren meestal achter hetzelfde scherm (face-to-face), maar soms online. In de klas is mediagebruik volgens 6-7-jarigen beperkt tot computer voor schoolwerk, met weinig mogelijkheden voor sociale interactie.

Kinderen ervaren verschillende emoties bij het samen gebruiken van digitale media. Ze vinden het bijvoorbeeld leuk om te tonen hoe goed ze iets kunnen, maar worden boos als ze niet zelf mogen kiezen wat ze gaan doen. Dit biedt kansen om vaardigheden, zoals emotieregulatie en sociale probleemoplossing, te oefenen.

• Discussie

Dit onderzoek biedt inzicht in de relatie tussen digitale mediagebruik, sociale interacties en sociale ontwikkeling van kinderen. Resultaten tonen dat 6-7-jarigen tijdens digitale mediagebruik meerdere sociale interacties ervaren en kansen hebben om sociale vaardigheden te ontplooien. Digitale media lijken bij te dragen aan sociale ontwikkeling, op voorwaarde dat er interacties met anderen zijn. Leraren kunnen hierop inspelen door bijvoorbeeld samenwerkingsapps en educatieve coöperatieve games te integreren in lessen om sociale vaardigheden te stimuleren.

Jongeren voorbereiden op de digitale samenleving wordt gezien als een belangrijke opdracht van scholen. Jongeren verschillen echter in hoe digitaal geletterd ze zijn en er is meer onderzoek nodig om deze verschillen te verklaren. Zo kunnen scholen gerichter te werk gaan om deze verschillen waar mogelijk te verkleinen. Deze studie onderzoekt op basis van de Nederlandse ICILS 2023 dataset (N=1.036 N=63) met een multilevel structural equation model (MSEM) in welke mate individuele kenmerken (gender, SES, ICT ervaren bekwaamheid, ICT ervaring) en klaskenmerken (SES en Onderwijstype) relateren aan CIL scores. Resultaten tonen dat aanzienlijke variantie in CIL verklaard wordt door onderwijstype. Academisch georiënteerde klassen scoren significant hoger dan beroepsgerichte klassen. Ten tweede heeft SES geen significante invloed op CIL, zowel binnen als tussen klassen, na controle voor onderwijstype. Gender en ICT-ervaring van leerlingen relateren wel aan CIL, maar de relatie tussen ICT-ervaring en CIL wordt volledig gemedieerd door ICT self efficacy.

Inleiding

Recente internationale meting naar Computer en Informatievaardigheden (CIL) laat zien dat 14 jarigen jongeren in Nederland laag scoren op digitale geletterdheid (Krepel et al., 2024), hoewel dit gezien wordt als een belangrijke opdracht van scholen. We zien ook veel verschillen hierin tussen leerlingen van dezelfde leeftijd (e.g., Krepel et al., 2024; Hatlevik et al., 2015). Dit wordt vaak benoemd als de digitale kloof (Van Dijk, 2019). Het is belangrijk om meer inzicht te krijgen in wat deze verschillen kunnen verklaren om gerichter te interveniëren om deze verschillen te verkleinen. De meeste studies kijken naar individuele kenmerken van leerlingen zoals ICT self efficacy (e.g., Aesaert et al., 2017; Rohatgi et al., 2016), taalkennis en andere academische presentaties (e.g., Hatlevik et al., 2015), maar minder welke rol klaskenmerken hierin spelen, toch in het vo (voor po zie Aesaert et al. 2015; Inspectie van het Onderwijs, 2024). In dit onderzoek willen we aan de hand van een multilevel structural equation model (MSEM) onderzoeken in welke mate individuele kenmerken (gender, SES, ICT ervaren bekwaamheid, ICT ervaring) en klaskenmerken (SES en Onderwijstype) relateren aan CIL scores bij 14 jarige jongeren.

Methodologie

In dit onderzoek maken we gebruik van de Nederlandse ICILS-data (1.036 leerlingen, 63 klassen). Hierin is CIL gemeten door middel van een toets, waarin 14-jarige leerlingen taken moeten uitvoeren in een gesimuleerde digitale omgeving. ICT zelf-effectiviteit wordt gemeten door middel van een vragenlijst en het construct sociaaleconomische achtergrond is gebaseerd op het beroep van de ouders van de leerlingen. In deze studie wordt gecontroleerd voor onderwijstype, geslacht en aantal jaren ICT-ervaring. Om verklaarde variantie binnen schoolklassen en tussen schoolklassen te kunnen interpreteren maken we gebruik van een multilevel structural equation model (MSEM) .

Resultaten

Een gesatureerde MSEM toont aan dat 55.4% van de variantie van CIL en 18.9% van de variantie in ICT zelf-effectiviteit kan worden verklaard door de klas waarin een leerling zit. Tussen klassen speelt voornamelijk het onderwijstype een grote rol in het verklaren van CIL; beroepsgerichte schoolklassen (PROO, VMBO) scoren lager op CIL dan de meer academisch-georiënteerde schoolklassen (HAVO, VWO). Rekening houdend met onderwijstype, speelt SES achtergrond zowel op het individuele-niveau, als op het schoolklas-niveau geen unieke significante rol. Wel is ICT self-efficacy een mediërende factor tussen ICT-ervaring en CIL op het individuele niveau, maar niet tussen SES op klasniveau en CIL.

Discussie

Welk onderwijstype leerlingen volgen blijkt de grootste rol te spelen in het verklaren van verschillen in digitale geletterdheid. Daarnaast zien we ook dat hoe bekwaam leerlingen zich voelen een belangrijke rol speelt. We zouden kunnen stellen dat de digitale kloof in Nederland wat betreft digitale geletterdheid zich bevindt tussen onderwijstypen. Maar dat zou te kort door de bocht zijn. SES van een klas en onderwijstype hangen erg samen en de werkelijkheid is te complex om dergelijke conclusies te trekken op basis van gemiddelden en crossectionele data. Wat we wel zelf denken is dat de cognitieve vaardigheden die nodig zijn om digitaal geletterd te zijn complex zijn en onvoldoende onderzocht en dat elk onderwijstype een gedifferentieerde aanpak vereist.

In de moderne samenleving zijn computer- en informatiegeletterdheid (CIL) en computationeel denken (CT) essentiële vaardigheden voor leerlingen. Deze studie onderzoekt verschillen tussen Vlaamse scholen in leerlingprestaties op CIL en CT en de invloed van schoolkenmerken: ICT-infrastructuur, visie en verwachtingen, en ondersteuning en professionele ontwikkeling van leraren. Gebaseerd op ICILS 2023-data van 2.663 leerlingen uit 106 scholen, werden schooltypes geïdentificeerd via Latent Class Analysis, gevolgd door multilevel regressieanalyses om verschillen in prestaties te evalueren. Drie schooltypes kwamen naar voren: (1) ICT-strategische scholen, met een duidelijke visie en nadruk op digitale vaardigheden, (2) ICT-gebruikende scholen, die minder expliciet inzetten op visie en vaardigheden, en (3) ICT-infrastructuurgedreven scholen, waar ICT beperkt blijft tot infrastructuur zonder beleidsmatige focus. De resultaten tonen aan dat schoolkenmerken minder bepalend zijn voor leerlingprestaties dan hun achtergrondkenmerken. Deze bevindingen hebben implicaties voor onderwijsbeleid en benadrukken de noodzaak van verdere discussie en onderzoek.

In de snel veranderende wereld van vandaag vormt informatie- en communicatietechnologie (ICT) een fundament van de moderne samenleving, inclusief het onderwijs (Siddiq et al., 2016). Computer- en informatiegeletterdheid (kortweg CIL) en computationeel denken (kortweg CT) zijn dan ook uitgegroeid tot onmisbare vaardigheden voor leerlingen en krijgen wereldwijd veel aandacht in schoolcurricula (Fraillon & Rozman, 2023). Ondanks brede overeenstemming over het belang van deze vaardigheden, blijkt uit onderzoek dat scholen moeite hebben met het effectief integreren van ICT in het onderwijs om de digitale vaardigheden van leerlingen te versterken (Gerick, Eickelmann, & Bos, 2017).

Deze studie richt zich op het onderzoeken van verschillen tussen scholen in de prestaties van leerlingen op het gebied van CIL en CT, en in hoeverre deze verschillen samenhangen met schoolkenmerken. Specifiek onderzoeken we de volgende drie schoolkenmerken: (1) ICT-infrastructuur, (2) visie en verwachtingen ten aanzien van leerlingen en leraren met betrekking tot ICT en (3) ondersteuning en professionele ontwikkeling van leraren op het gebied van ICT. Hierbij bouwen we voort op eerder onderzoek dat de rol van schoolkenmerken benadrukt bij het begrijpen van de omstandigheden waarin ICT-gebruik in scholen bijdraagt aan de ontwikkeling van CIL- en CT-vaardigheden bij leerlingen (Eickelmann, Gerick, & Koop, 2017). Analoog met de studie van Gerick (2018) onderzoeken we of scholen kunnen worden geclusterd op basis van deze schoolkenmerken.

De onderzoeksvragen zijn:

• OV1: Welke ‘schooltypes’ met betrekking tot ICT kunnen in Vlaanderen geïdentificeerd worden op basis van deze schoolkenmerken?
• OV2: Hoe zijn deze ‘schooltypes’ gerelateerd aan de prestaties van leerlingen in CIL en CT?

Voor deze studie werden de Vlaamse ICILS 2023-data van de schoolvragenlijsten en de computergebaseerde leerlingentoetsen gebruikt. De steekproef bestond uit 2.663 leerlingen van 106 secundaire scholen. Latent class analysis (LCA) werd uitgevoerd in Latent Gold om schooltypes te identificeren (OV1). Daarna werden multilevel regressieanalyses uitgevoerd in MLwiN, om de significantie van de verschillen in CIL- en CT-scores tussen scholen binnen de geïdentificeerde schooltypes te testen (OV2). Hierbij werd gecontroleerd voor diverse achtergrondkenmerken.

We identificeerden drie schooltypes: (1) ICT-strategische scholen die, vanuit een duidelijke visie op het gebruik van ICT om lesgeven en leren te ondersteunen, ICT doelbewust inzetten met aandacht voor de ontwikkeling van digitale vaardigheden van leerlingen en duidelijke verwachtingen voor leraren, (2) ICT-gebruikende scholen, die met ICT aan de slag gaan maar in mindere mate vanuit een duidelijke visie en verwachtingen ten aanzien van leraren en met minder nadruk op digitale vaardigheden bij leerlingen, en (3) ICT-infrastructuurgedreven scholen, waar ICT voornamelijk als infrastructuur aanwezig is, met amper visie en aandacht voor het gebruik of de ontwikkeling van digitale vaardigheden bij leraren en leerlingen. De leerlingprestaties in deze drie schooltypes verschillen niet significant van elkaar. Schoolkenmerken doen er in mindere mate toe dan de achtergrondkenmerken van de leerlingen.

Deze bevindingen roepen belangrijke vragen op over de mate waarin schoolkenmerken rond ICT een rol spelen in de ontwikkeling van de digitale vaardigheden van de leerlingen. We nodigen deelnemers uit om mee te denken over de implicaties van deze resultaten voor beleidsmakers en onderwijspraktijken in Vlaanderen en daarbuiten.

Werkdruk verminderen is een topprioriteit binnen het onderwijs. Er zijn verschillende oorzaken bekend van ervaren werkdruk, maar er is weinig gekeken naar de rol van technologie hierin. Onderzoek naar de negatieve impact van technologie op leraren zoals het ervaren van technostress staat nog in de kinderschoenen. In dit onderzoek bekijken we de relatie tussen vijf bekende bronnen van technostress en ervaren werkdruk. Een multipele regressie analyse op basis van vragenlijstdata bij 524 leraren in het po laat zien dat ervaren werkdruk enkel uniek en significant gerelateerd is aan techno-invasie (de balans tussen werk en privé wordt verstoord) en techno-overload (technologie kan extra werk met zich meebrengen). Techno-complexiteit (technologie is te complex), techno-onzekerheid (te veel veranderingen in technologie) en techno-onveiligheid (technologie bedreigt de werkzekerheid) relateren niet uniek en significant aan werkdruk. Van alle bronnen ervaren leraren ook het meest techno-invasie en techno-overbelasting.

Inleiding

Werkdruk verminderen is een topprioriteit om het lerarenberoep aantrekkelijker te maken. Er is echter weinig aandacht welke rol digitale transformatie speelt bij het verhogen van die werkdruk. Onderwijsonderzoek richt zich vooral naar de mogelijke voordelen van technologie en naar manieren om de acceptatie (Scherer et al., 2019) en vaardigheden van leraren te bevorderen (zie Voogt et al., 2013). Onderzoek naar de negatieve impact van technologie op leraren zoals het ervaren van technostress staat nog in de kinderschoenen. Technostress wordt gedefinieerd als de stress die ontstaat wanneer men moeite heeft om op een effectieve manier met technologie om te gaan (Tarafdar et al., 2007). Uit studies blijkt dat technostress verband houdt met burn-out (Zhao et al., 2022), een hogere intentie om het beroep te verlaten (Sidiqquie, 2023), verminderde werktevredenheid (Wang & Yao, 2023) en lagere werkprestaties (Srivastava et al., 2015). In de literatuur worden doorgaans vijf bronnen van technostress onderscheiden (Tarafdar et al., 2007). Samengevat betekenen deze vijf technostressbronnen dat digitale technologie extra werk met zich meebrengt (a, techno-overload), de balans tussen werk en privé verstoort (b, techno-invasie), complexiteit toevoegt (c, techno-complexiteit), voortdurend verandert (d, techno-onzekerheid), en de werkzekerheid bedreigt (e, techno-onzekerheid) (Ragu-Nathan et al., 2008). Ons onderzoek richt zich op de relatie tussen deze technostressbronnen en ervaren werkdruk bij leraren in het po in Nederland.

Methode

Op basis van crossectionele online vragenlijst data van 524 po leraren werd een multipele regressie analyse uitgevoerd. Van de participanten zijn 90% vrouw, hebben 90% een vaste aanstelling, 50% werkt 0.8 fte of meer. De gemiddelde leeftijd is 42. We hebben gecontroleerd voor al deze kenmerken en vonden geen significante relatie met werkdruk. Zowel de afhankelijke variabele (werkdruk) en de onafhankelijke variabelen (technostressbronnen en ervaren bekwaamheid met ICT) werden gemeten met een likertschaal van 1-5. De cronbachalfa van alle schalen was hoger dan .80.

Resultaten

Van alle technostressbronnen ervaren leraren gemiddeld het minst techno-onveiligheid (M=1,6 SD=.80), iets meer techno-complexiteit (M=2,6 SD=1.01), techno -onzekerheid (M=2,6, SD=.89), techno-overlast (M=2,7 SD=.92) en het meest techno-invasie (M=3,1; SD=.84). Gemiddeld zijn leraren het eens dat ze werkdruk ervaren (M=3,3; SD=.80). Hoewel alle technostress bronnen significant relateren aan werkdruk, toont de multipele regressie analyse dat alleen techno overbelasting (B = 0,293, p < 0,001) en techno invasie (B = 0,299, p < 0,001) uniek en significant relateren aan werkdruk. Het model verklaarde 35,7% van de variantie in werkdruk.

Discussie

Technologie kan leraren niet vervangen, en daar lijken leraren po ook geen stress over te ervaren. De grootste technostressbronnen zijn techno-overlast en techno-invasie. Het ervaren van techno-overlast betekent dat leraren stress ervaren omdat technologie hun meer werk geeft. Techno-invasie betekent dat leraren het gevoel hebben dat ze constant bereikbaar moeten zijn en technologie de balans tussen werk en privé verstoort. Beide technostress bronnen relateren ook een hoger gevoel van werkdruk. Scholen worden daarom geadviseerd in gesprek te gaan met leraren over hoe die balans verstoord wordt en wat ze hieraan kunnen doen, alsook vragen waarom technologie zorgt voor werkoverlast en hoe dit misschien efficiënter kan.